基于长短记忆神经网络的地震前兆异常识别与记忆研究.pdf
地震前兆数据的异常信号识别是地震预报与前兆研究的基础.近年来随着计算机技术的发展与大数据平台的逐渐完善,前兆识别的研究方法也从对"震源的机理模型解析"转向"数据分析"发展.但传统的前兆数据分析方法在实际使用中存在局限性:观测精度和采样率的大幅提高导致数据量激增,数据呈现的形态和变化更趋复杂多样(王秀英等,2015);高维度的海量观测数据蕴含着地壳动态变化的复杂规律(严尊国,陈俊华,1999),但逐日逐台处理分析数据,依赖研究人员人工归纳推导前兆异常模式的传统方法,既不能充分利用大数据的优势,也难以获取准确的假设模型,即异常指标的先验统计学模型不能有效描述地震活动的前兆规律;地壳运动的不可逆性使得在一次地震前观测到的前兆现象,在下一次地震前可能观测到的特征状态不同,具有新型前兆特征的震例不断涌现.如何在长时间尺度下,记忆动态时间序列中的震例前兆特征,在下一次地震前"回忆"历史特征并及时预警,是前兆数据分析的难点.
作者：卞龙 张健 程良伦
作者单位：广东工业大学自动化学院,广东广州市510006;中国科学院大学计算地球动力学重点实验室,北京100049中国科学院大学计算地球动力学重点实验室,北京100049广东工业大学自动化学院,广东广州市510006
母体文献：中国地球物理学会信息技术专业委员会2018地球物理信息前沿技术研讨会论文集
会议名称：中国地球物理学会信息技术专业委员会2018地球物理信息前沿技术研讨会
会议时间：2018年8月1日
会议地点：陕西汉中
主办单位：中国地球物理学会信息技术专业委员会
语种：chi
分类号：V23P31
关键词：地震前兆 异常识别 数据处理 长短记忆神经网络
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.34 MB
- 下载次数:
- 60
-
高速下载
|
|
